摘要:干旱對(duì)社會(huì)的經(jīng)濟(jì)發(fā)展有諸多不利影響,利用遙感技術(shù)及時(shí)掌握干旱發(fā)生及發(fā)展動(dòng)態(tài),對(duì)政府提高抗災(zāi)減災(zāi)能力有十分重要的意義。目前,多數(shù)干旱遙感研究利用的影響因素較為單一,缺乏對(duì)多源數(shù)據(jù)的融合應(yīng)用。本文在評(píng)估微波遙感數(shù)據(jù)ESA CCI_SM(European Space Agency Climate Change Initiative Soil Moisture)產(chǎn)品質(zhì)量的基礎(chǔ)上,結(jié)合日蒸散發(fā)差指數(shù)(Daily Evapotranspiration Deficit Index,DEDI)及降水量數(shù)據(jù),分別構(gòu)建了多元線性回歸模型和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Networks,RBFNN)模型,并將其與江蘇省14個(gè)農(nóng)業(yè)氣象觀測(cè)站的實(shí)測(cè)土壤濕度進(jìn)行了對(duì)比評(píng)估。結(jié)果表明:ESA CCI_SM 產(chǎn)品能在一定程度反映江蘇土壤水分變化。在考慮多種干旱相關(guān)因素影響的情況下,多元線性回歸模型及RBFNN模型對(duì)于監(jiān)測(cè)土壤水分的準(zhǔn)確率相較于ESA CCI_SM 產(chǎn)品本身均有不同程度的提高。其中,RBFNN模型對(duì)于研究區(qū)的干旱監(jiān)測(cè)更為敏感,干旱預(yù)警監(jiān)測(cè)適用性更高。結(jié)合2019年夏秋連旱事件,研究進(jìn)一步證明RBFNN模型能較為準(zhǔn)確地反映出旱情的發(fā)生發(fā)展。以上結(jié)果表明,RBFNN模型可為旱災(zāi)的遙感監(jiān)測(cè)提供一種新的方法。